Google ha portato su Gemini, sia via web sia da app mobile, tre funzioni che molti utenti ancora ignorano e che invece possono togliere parecchio lavoro manuale a sviluppatori e team tecnici. Non è la classica chat a cui chiedere una risposta al volo. Dentro l’interfaccia, spesso dietro il pulsante “+” accanto alla casella di testo, si trovano strumenti come Deep Research, Guided Learning e Canvas. Funzioni emerse con più forza nel 2026, anche grazie ai test raccontati dal developer Geshan Manandhar nel suo blog tecnico del 26 luglio 2026, e pensate per ricerca, apprendimento e sviluppo software.

Deep Research trasforma ricerche tecniche complesse in RFC citate

La prima funzione da tenere d’occhio è Deep Research. Qui Google Gemini smette di comportarsi come un semplice generatore di risposte brevi e diventa una sorta di assistente di ricerca. L’utente scrive una richiesta dettagliata, Gemini propone un piano, lo mostra, lo lascia correggere e poi parte: consulta più fonti online e restituisce un report ordinato, con citazioni e struttura chiara. In alcuni casi, se l’account lo permette, può pescare anche da Gmail, Drive e Chat. Una possibilità utile, certo, ma da usare con cautela quando ci sono di mezzo dati aziendali.

Per chi scrive software, il vantaggio è molto concreto. Invece di aprire una decina di schede, passare tra documentazione ufficiale, benchmark e post tecnici, Deep Research prepara una traccia già ragionata. Può mettere insieme una bozza di RFC tecnica, una tabella comparativa, un documento esportabile in Google Docs o in altri formati generati dal report. Il senso dell’esperienza raccontata da Manandhar è semplice: Gemini fa la parte più pesante, poi all’ingegnere resta il compito decisivo, cioè controllare, correggere e rifinire. Non prende il posto della revisione tecnica. Però accorcia parecchio la fase iniziale.

Message queue, il confronto pratico tra RabbitMQ, Kafka e Redis

Un caso concreto riguarda la scelta di una message queue per un microservizio e-commerce chiamato a inviare 1.000 email al secondo con bassa latenza. Il confronto tra RabbitMQ, Kafka e Redis usato come coda non si risolve in due righe. Bisogna guardare architettura, throughput, persistenza, scalabilità, costi di gestione e rischi legati al single point of failure. Con Gemini Deep Research, l’utente può chiedere una valutazione completa in formato RFC, includendo differenze tecniche, benchmark con carichi concorrenti, complessità operativa e limiti già noti.

La richiesta, però, deve essere scritta bene. Non basta un generico “confronta Kafka e RabbitMQ”. Serve indicare il carico previsto, il tipo di servizio, le condizioni operative e il formato della risposta attesa. Nel caso citato, il prompt chiede un’analisi per un servizio email write-heavy, con un provider esterno già capace di reggere il volume. Dopo l’invio, Gemini prepara un piano modificabile e poi avvia la ricerca. Il risultato arriva dopo alcuni minuti, con fonti e tabelle. Non decide al posto del team, ovviamente. Ma offre una base solida da portare al tavolo tra software architect, SRE e backend engineer.

Guided Learning, il tutor che aiuta a capire concetti difficili

La seconda funzione è Guided Learning. Qui l’idea non è dare subito la risposta pronta, ma accompagnare l’utente un passo alla volta. La differenza si sente. Invece di risolvere un esercizio al posto dello sviluppatore, Gemini propone analogie, piccoli pezzi di codice, domande di verifica e suggerimenti graduali. Più un tutor che un motore di ricerca.

L’esempio più chiaro arriva da Node.js e dal funzionamento dell’event loop, soprattutto dalla distinzione tra Microtask Queue e Macrotask Queue. Sono concetti che molti sviluppatori JavaScript usano ogni giorno, spesso senza averli davvero messi a fuoco.

Con un prompt ben scritto, si può chiedere a Gemini di comportarsi come un mentor senior: spiegare un concetto alla volta, mostrare un breve snippet con un errore voluto, fare una domanda prima di proseguire e dare indizi se la risposta non è corretta. È un metodo più lento, ma funziona. Anche dieci minuti al giorno su React, Nest.js, asincronia o basi di architettura possono diventare una piccola abitudine di formazione continua, anche perché le conversazioni restano disponibili nella barra laterale.

Canvas crea microapp, mostra il codice e accelera la pubblicazione

La terza funzione è Gemini Canvas, uno spazio di lavoro diviso in due. Da una parte c’è la conversazione con l’AI, dall’altra un editor dinamico dove compaiono codice, testo, documentazione o il risultato dell’app. È qui che Gemini diventa uno strumento per creare prototipi in fretta. Si può chiedere, per esempio, una microapp meteo per confrontare tre città in una data precisa e nei tre giorni successivi. Dopo qualche passaggio, Canvas genera un’interfaccia utilizzabile e permette anche di passare alla vista codice.

La parte più utile non è solo la prima generazione. In Canvas si può selezionare un pezzo di CSS e chiedere se sia compatibile tra browser, controllare la console dal menu in alto, modificare componenti e scaricare il progetto come singolo file index.html. Da lì, pubblicarlo su servizi statici come Cloudflare Pages o Netlify diventa abbastanza semplice. Per un team tecnico, il punto è la velocità: prototipi interni, demo per stakeholder, piccole utility e bozze di interfaccia possono nascere in pochi minuti. Poi restano test, sicurezza e manutenzione. Ma la prima versione, quella che di solito porta via tempo tra copia e incolla, arriva molto prima.